L1 · AI, Simulation & Digital Aesthetics

Domain: L — Emerging Technologies & Special Topics · Coverage: 1 slides · 0 books · 0 articles · 0 videos

Subchapters

• [ ] ✅ L1.1 — AI-assisted facial analysis: Canfield Vectra, Crisalix, Revieve · T1.8
• [ ] ✅ L1.2 — 3D simulation and outcome previsualization · T1.8
• [ ] 🆕 L1.3 — Virtual consultation and telemedicine in aesthetics · NEW
• [ ] 🆕 L1.4 — Digital consent platforms and AI documentation · NEW
• [ ] 🆕 L1.5 — AI governance & the EU AI Act: risk classification of aesthetic AI (diagnostic / simulation) tools, transparency & liability obligations (phased 2026–2027) · NEW
• [ ] 🆕 L1.6 — Algorithmic bias in facial analysis: performance across skin tones & ethnicities; validation caveats · NEW

Source material

Backed by theme(s): T1.8 · 1 slides · 0 books · 0 articles · 0 videos. See ../../docs/curriculum/index.json (asset inventory) for the file lists.

Chapter

> Etiquetas de evidencia: [A] guía, consenso, norma o ficha técnica con año · [B] literatura primaria con PMID/DOI verificado · [C] monografía del corpus MEDLIB · [D] diapositiva, opinión o material promocional (nunca suficiente por sí solo) · [MODELO] estructura o razonamiento, jamás una cifra · [IA-ESPEC] propuesta especulativa de IA, sin valor de evidencia · ⚠ punto no verificado.

> Vigencia y procedencia — 6 referencias · mediana 2025, rango 2025-2025, 100 % de 2022 o posterior · procedencia: externo verificado 83 % (5) · corpus MEDLIB 17 % (1, de los cuales 1 del máster UPO) · 1 marcadas [D] never_sufficient_alone.

> Voces: (P) razonamiento propio, jamás una dosis. Todo lo demás lleva autor y referencia numerada.

> ⚠ Declaración de cobertura, obligatoria en este capítulo. El corpus MEDLIB no cubre este tema: las seis facetas puntuaron entre 0,30 y 0,75, y los documentos mejor posicionados para «simulación 3D», «consentimiento digital» o «gobernanza de IA» son manuales de anatomía y de zonas de peligro — es decir, ruido. La única fuente propia con contenido real es una presentación de competencias digitales de 2025 [D]. Este capítulo se construye por tanto casi íntegramente sobre literatura externa verificada, y hay un bloque —el marco regulatorio europeo de IA— que no ha podido verificarse con las herramientas disponibles en esta corrida y que se declara como pendiente en lugar de rellenarse de memoria.

En 30 segundos

Mapa del tema

L1.1 · Análisis facial asistido por IA

Respuesta primero. La IA en medicina estética se está usando hoy en cuatro aplicaciones —análisis facial, procedimientos asistidos por robot, modelado predictivo de resultados y planificación personalizada— y su integración plantea a la vez oportunidades y problemas éticos: sesgo algorítmico, privacidad de datos y encaje regulatorio [1].

Fig 1. Estación de análisis facial: topografía en falso color, segmentación de estructuras y canales pigmentario y vascular — (Competencias digitales, máster UPO, diapositiva 64) [D].

En dermatología estética el papel descrito es integrar un enfoque objetivo con el juicio estético del dermatólogo, en cuatro terrenos: evaluación de la condición cutánea, diagnóstico, optimización del tratamiento y educación del paciente [2].

(P) Conviene ser preciso sobre lo que la Fig 1 demuestra y lo que no. Demuestra captura estandarizada y derivación de canales —topografía, pigmento, vascular—, que es reproducibilidad, y eso ya tiene valor clínico: permite comparar la misma cara consigo misma a los tres meses. No demuestra capacidad diagnóstica ni predictiva. Comprar la máquina por lo primero es razonable; venderla como lo segundo, no.

L1.2 · Simulación 3D y previsualización del resultado

Fig 2. Previsualización corporal en 3D, con sus artefactos de renderizado visibles — (Competencias digitales, máster UPO, diapositiva 67) [D].

(P) Esta figura es el mejor argumento disponible sobre la simulación, y lo es en contra del uso ingenuo. Tres observaciones que se leen directamente de los píxeles: la previsualización ha cambiado cosas que el procedimiento no cambia —el vello y la ropa interior—; presenta artefactos evidentes de renderizado en brazos y hombro; y no lleva ninguna marca en la propia imagen que indique que es una simulación. Un paciente que se lleva esa captura al móvil se lleva una promesa. La conducta defensiva es doble y no cuesta nada: marcar la imagen como simulación en la propia imagen y guardar en la historia clínica la versión entregada, con la frase de que una simulación no es un resultado garantizado.

No se recuperó evidencia sobre exactitud de la simulación frente al resultado real en esta corrida, ni sobre su efecto en la satisfacción o en la tasa de reclamación. Es una carencia declarada, no una omisión.

L1.3 · Teleconsulta · L1.4 · Consentimiento digital y documentación con IA

> Facetas sin evidencia recuperada. L1.3 puntuó 0,43-0,75 y L1.4 0,31-0,60 —la faceta más baja registrada en todo el atlas hasta la fecha—, y sus documentos mejor posicionados son manuales de cirugía menor y de anatomía. La búsqueda externa dirigida a teleconsulta estética devolvió un único resultado, ajeno al tema. Este bloque se escribe como estructura [MODELO], sin cifras y sin fingir evidencia.

(P) La razón de que este bloque sea tan pobre no es que el tema sea menor: es que la literatura de medicina estética aún no ha estudiado su propia digitalización. Quien busque aquí una recomendación con número no la va a encontrar en 2026, y decirlo es más útil que inventar un decálogo.

L1.5 · Gobernanza de la IA y marco regulatorio europeo

> ⚠ Bloque no verificado — y esto es una decisión deliberada. Las herramientas disponibles en esta corrida indexan literatura biomédica (PubMed), y la búsqueda dirigida al reglamento europeo de inteligencia artificial devolvió únicamente preprints de ciencias sociales sin relación con dispositivos médicos. No se dispone de la fuente primaria. > > En consecuencia, este capítulo no afirma ninguna fecha, ningún número de artículo ni ninguna clasificación de riesgo. Escribirlos de memoria sería exactamente el fallo que source-policy.yaml prohíbe: memoria del modelo como fuente de un dato regulatorio. > > Cómo cerrarlo, en una línea comprobable: consultar el texto consolidado del Reglamento de Inteligencia Artificial en EUR-Lex y la guía de la AEMPS sobre software como producto sanitario, y contrastar ambas con la clasificación del producto concreto que la clínica use.

Lo que sí puede afirmarse, porque procede de literatura verificada, es que los desafíos regulatorios y de privacidad forman parte del núcleo del problema y no de su periferia: la revisión de 2025 los sitúa junto al sesgo algorítmico como los tres obstáculos a la adopción de IA en la práctica estética [1].

Preguntas que la clínica debe poder responder por escrito [MODELO]:

1. ¿La herramienta se declara producto sanitario? ¿Con qué marcado y qué finalidad prevista?
2. ¿Genera una salida diagnóstica o de recomendación, o solo una imagen?
3. ¿Dónde se almacenan y procesan las imágenes, y bajo qué contrato?
4. ¿Puede el paciente oponerse al procesamiento y seguir siendo tratado?
5. ¿Quién responde si la herramienta se equivoca — el fabricante o el clínico que la usó?

L1.6 · Sesgo algorítmico en el análisis facial

Respuesta primero. El sesgo empieza antes del algoritmo, en la escala con la que se etiqueta la piel.

(P) La traducción a una compra es directa y es la pregunta que casi nadie hace al comercial: «¿en qué población se validó este algoritmo y con qué escala de tono cutáneo se etiquetó?». Si la respuesta es «Fitzpatrick», el propio instrumento de etiquetado ya limita lo que la validación puede demostrar [3]. Y si la herramienta se usa sobre un paciente cuyo tono no estaba representado, el resultado no es neutro: es una medición cuyo error no se conoce.

Novedades y tendencias (2025-2026)

Lo que NO ha cambiado. Nada en este campo tiene todavía validación clínica comparativa: no hay ensayo que demuestre que una consulta asistida por análisis facial produce mejores resultados que una consulta con buena fotografía estandarizada. Y la brecha de fondo tampoco: la literatura describe capacidades y enumera riesgos, pero no mide desenlaces.

Direcciones no exploradas (especulación IA)

> Especulación, no evidencia. Nada de lo que sigue está probado; todo lleva [IA-ESPEC] y ninguna línea contiene una dosis.

• Exactitud de la simulación frente al resultado real. Anclaje: la Fig 2 muestra artefactos y cambios que el procedimiento no produce, y no se recuperó ningún estudio de exactitud. Propuesta: comparar la previsualización con la fotografía a 6 meses mediante superposición volumétrica. Qué lo zanjaría: un error medio en mililitros o en milímetros; hoy la simulación se vende sin margen de error declarado. [IA-ESPEC]
• Etiquetar la simulación en la propia imagen. Anclaje: la captura de la Fig 2 no lleva marca alguna de ser una simulación. Propuesta: marca de agua obligatoria y copia archivada en la historia. Qué lo zanjaría: auditar cuántas reclamaciones citan una previsualización como promesa. [IA-ESPEC]
• Declaración de población de validación como requisito de compra. Anclaje: la limitación de Fitzpatrick [3] y las brechas de representatividad [4]. Propuesta: exigir por escrito al proveedor la composición por tono cutáneo de su conjunto de validación. Qué lo zanjaría: la proporción de proveedores que puede responder — probablemente el dato más revelador del sector. [IA-ESPEC]
• ITA como métrica de historia clínica estética. Anclaje: el ITA es calculable desde una fotografía estandarizada [3]. Propuesta: registrarlo en la primera visita como base para parámetros de láser y riesgo de discromía. Qué lo zanjaría: comparar la predicción de hiperpigmentación posinflamatoria por ITA frente a por Fitzpatrick. [IA-ESPEC]
• Trazabilidad de lo generado por IA en la historia clínica. Anclaje: la documentación asistida por IA no tiene evidencia ni norma recuperada en esta corrida. Propuesta: marcar en el registro qué texto fue generado automáticamente y quién lo validó. Qué lo zanjaría: no es una hipótesis clínica; se comprueba auditando si el sistema permite distinguirlo. [IA-ESPEC]

§Seguridad

• Una simulación no es un resultado. Debe entregarse marcada como tal, con copia archivada, y con la limitación por escrito [MODELO].
• El análisis facial estandariza; no diagnostica. Su valor demostrado es la comparabilidad de la misma cara consigo misma, no la predicción [1][2].
• ⚠ El marco regulatorio europeo de IA no se ha verificado en esta corrida. Ninguna fecha ni clasificación de riesgo de este capítulo debe darse por buena: comprobar en EUR-Lex y en la guía de la AEMPS sobre software sanitario antes de tomar cualquier decisión de cumplimiento.
• Preguntar siempre en qué población se validó la herramienta, y con qué escala de tono cutáneo: Fitzpatrick limita lo que la validación puede demostrar [3].
• La fotografía facial es dato de salud y biométrico: la plataforma que la aloja forma parte del tratamiento de datos y debe estar contratada como encargado [MODELO].
• La responsabilidad de lo escrito con ayuda de IA sigue siendo del clínico [MODELO].
• Sin representatividad no hay exactitud conocida: usar una herramienta sobre un tono cutáneo no representado produce una medición con error desconocido [3][4].

Referencias

1. Artificial intelligence in aesthetic medicine: applications, challenges, and future directions. J Cosmet Dermatol 2025;24(6). PMID 40501296 — vía PubMed. Cuatro aplicaciones (análisis facial, procedimientos asistidos por robot, modelado predictivo de resultados, planificación personalizada) y tres obstáculos (sesgo algorítmico, privacidad de datos, desafíos regulatorios). [B]
2. Transforming aesthetic dermatology: the role of artificial intelligence in skin health. Dermatol Ther (Heidelb) 2025. PMID 40545501 — vía PubMed. La IA como integración de un enfoque objetivo con el juicio estético del dermatólogo: evaluación, diagnóstico, optimización del tratamiento y educación del paciente. [B]
3. Beyond Fitzpatrick: automated artificial intelligence-based skin tone analysis in dermatological patients. NPJ Digit Med 2025. PMID 40537526 — vía PubMed. Límite de la escala de Fitzpatrick; algoritmo de ángulo tipológico individual (ITA) sobre valores CIELAB con DensePose y OpenFace, mapeado a Fitzpatrick y Monk; alta concordancia con Monk y menor con Fitzpatrick; desequilibrio de clases y necesidad de validación externa declarados. [B]
4. International expert consensus on defining skin of color and delivering equitable dermatologic care. Int J Dermatol 2025. PMID 41195697 — vía PubMed. Panel internacional de cuatro continentes sobre literatura 2019-2024: limitaciones de los sistemas de clasificación, brechas en investigación, ensayos y formación, y estrategias que incluyen refinar la clasificación e integrar la inteligencia artificial. [A]
5. Economic evaluations and equity in the use of artificial intelligence in imaging examinations for medical diagnosis in people with dermatological, neurological, and pulmonary diseases: systematic review. 2025. PMID 40802995 — vía PubMed. Evaluaciones económicas y equidad en IA para diagnóstico por imagen. [B]
6. Competencias digitales en medicina estética (01 PRESENTACIÓN, 2025). Material del máster UPO, tema T1.8. Estación de análisis facial con canales topográfico, pigmentario y vascular (diapositiva 64) y previsualización corporal en 3D (diapositiva 67). Única fuente propia del corpus con contenido real sobre este tema. Notas y diapositivas de curso, never_sufficient_alone. Corpus MEDLIB, UPO Sorted. [D]

> Verificación: 6 referencias. Los 5 identificadores externos se comprobaron contra PubMed el 2026-08-09 con biomcp article get; la única referencia de corpus se abrió en disco. Declaración central de este capítulo: el corpus no cubre el tema. Las seis facetas puntuaron 0,30-0,75 y sus documentos mejor posicionados son manuales de anatomía y de cirugía menor, es decir, ruido; L1.4 (0,31-0,60) es la faceta más baja registrada en el atlas hasta la fecha. Bloque declarado como no verificado: L1.5 (gobernanza e IA Act). La herramienta de literatura disponible indexa PubMed y no devolvió fuente primaria del reglamento europeo; no se afirma ninguna fecha, artículo ni clasificación de riesgo, y se deja escrita la vía de verificación (EUR-Lex y guía de la AEMPS sobre software como producto sanitario). L1.3 y L1.4 se escriben explícitamente como estructura [MODELO] sin cifras. 2 figuras, ambas abiertas antes de redactar su pie; figure_pick sobre evaluation/runs/L1.{1..6}.jsonl resolvió 291 figuras y solo 19 superaron el umbral de 0,55, de las que las dos utilizables son ambas de la misma presentación. Recuperación en corpus: 120 registros de faceta ejecutados el 2026-08-08. Ninguna cifra procede de memoria del modelo.

> Última actualización: 2026-08-09.

Navigate

Prev: — · Next: L2 — Combination Protocols & Layered Rejuvenation.es · Domain: L — Emerging Technologies & Special Topics